Aula 9 - Interpretação, apresentação de resultados e tomada de decisão de marketing - Parte I

Prévia do material em texto

Aula 9 - Interpretação, apresentação de resultados e tomada de decisão de marketing - Parte I
Em marketing, o que nos interessa são as informações, e não apenas os dados.
Dados referem-se a fatos e estatísticas, enquanto informações, a dados organizados e processados, ou seja, apresentados de forma a evidenciar a presença ou ausência de tendência, relação ou padrão, tornando-se úteis para a tomada de decisões.
Uma loja pode fornecer números diários, semanais ou mensais sobre volume de vendas de seus produtos da “linha branca” em um determinado período do ano (dados), mas o pesquisador pode querer identificar as variáveis que influem nesse comportamento de vendas, tais como aumento de renda, promoções, política de crédito, sazonalidade, etc. Assim, o pesquisador estará transformando os dados em informações.
Nesta aula, vamos analisar os dados tabulados e interpretá-los em função dos objetivos da pesquisa, para que possamos estabelecer conclusões de interesse do projeto.
Para a qualidade, precisão e confiabilidade da pesquisa, é necessário utilizar uma técnica apropriada de análise [1], destacando:
1. Tipo de escala da(s) variável (eis).
Os tipos de escala: nominal, ordinal e intervalar foram descritos e exemplificados nas aulas 6 e 8.
2. Nível de conhecimento dos parâmetros da população
A técnica paramétrica envolve a especificação de condições sobre os parâmetros da população, uma vez que estes são conhecidos.
A técnica não paramétrica não especifica condições sobre os parâmetros da população, uma vez que estes não são conhecidos.
3. Tipo de análise desejado
No método descritivo de análise de dados, as medidas de posição e de dispersão para variáveis em escalas nominais, ordinais e intervalares mais utilizadas em pesquisas de marketing são[1]:
	Escala da variável
	Medidas de 
	
	Posição
	Dispersão
	Nominal
	Moda
	Distribuição de frequências (absoluta e relativa)
	Ordinal
	Mediada Quartis, decis e percentis
	Ordenamento
	Intervelar
	Média aritmética
	Distribuição de frequência acumulada (absoluta e relativa); Amplitude; Desvio-médio; Desvio-padrão; Coeficiente de variação.
Exemplo
“A estatística mostra que 75% dos alunos foram aprovados por média”. Esta proposição somente descreve uma informação sumarizada dos dados da amostra - método descritivo.
Quando utilizamos um conjunto de testes, visando julgar a validade de hipóteses estatísticas referentes a uma população ou estimar os seus parâmetros a partir da análise dos dados de uma amostra dessa população, estamos usando um método inferencial.
O método inferencial se baseia na teoria das probabilidades, permitindo estabelecer o nível de risco de inferências incorretas. Engloba a estimação de parâmetros da população e a testagem de hipóteses.
Pelos seus propósitos, este método utiliza medidas mais complexas, exigindo um nível de conhecimento de estatística mais avançado, não sendo, portanto, detalhado nesta disciplina.
Para pesquisar essas medidas, consulte o livro de Fauze Mattar [1].
Quando utilizamos um conjunto de testes, visando julgar a validade de hipóteses estatísticas referentes a uma população ou estimar os seus parâmetros a partir da análise dos dados de uma amostra dessa população, estamos usando um método inferencial.
O método inferencial se baseia na teoria das probabilidades, permitindo estabelecer o nível de risco de inferências incorretas. Engloba a estimação de parâmetros da população e a testagem de hipóteses.
Pelos seus propósitos, este método utiliza medidas mais complexas, exigindo um nível de conhecimento de estatística mais avançado, não sendo, portanto, detalhado nesta disciplina.
Para pesquisar essas medidas, consulte o livro de Fauze Mattar [1].
4. Número de variáveis a serem analisadas conjuntamente
O número de variáveis sob estudo definirá o método específico aplicado a cada situação:
Bivariado – focaliza duas variáveis. Uma é independente, explicitada como causa ou explicação da outra; a outra é dependente, e representa o objeto do esforço de explicação.
Ex: redução de IPI e volume de vendas.
Univariado – focaliza apenas uma variável. 
Ex: alunos aprovados por média, conforme o exemplo do método descritivo.
Multivariado – foca mais de duas variáveis, buscando estabelecer relações entre elas.
Ex: volume de vendas, nível de renda, taxa de juros e política monetária.
Conforme assinala Fauze Mattar [1], o conceito de relacionamento entre amostras diz respeito a se a escolha de um elemento para fazer parte da amostra interfere na probabilidade de escolha de outro ou se o resultado da avaliação de qualquer elemento da amostra possa ter interferido na avaliação de outro.
5. Número de amostra e o seu grau de relacionamento
Podemos ter: uma amostra simples, duas amostras relacionadas, duas amostras não relacionadas, amostras múltiplas relacionadas e amostras múltiplas não relacionadas.
A técnica apropriada de análise será determinada pela consideração conjunta de todos esses fatores.
Ressaltamos que a técnica apropriada de análise é determinada pela consideração conjunta dos fatores que asseguram qualidade, precisão e confiabilidade, como podemos observar na questão-exemplo:
· Tipo de escala das variáveis: nominal
· Nível de conhecimento dos parâmetros da população: não para métrica
· Método de análise e medidas: descritivo com distribuição de frequência absoluta e relativa
· Número de variáveis sob estudo: univariado
· Número de amostras: amostra simples.
Pelo método descritivo podemos afirmar então que:
A maioria dos financiamentos foi feito pela Caixa Econômica, representando 28% da amostra.
Embora a Caixa Econômica seja um banco público como o Banco do Brasil, não foi - seguida por ele na classificação percentual, mas sim pelos bancos privados, cuja representatividade foi de 25%.
Até mesmo o financiamento das concessionárias atingiu uma representatividade maior que a do Banco do Brasil.
Explicação expandida
Ainda que não tenha sido investigado, podemos inferir, pressupondo que essa diferença na representatividade da amostra entre as entidades financiadoras pode se dever às variáveis taxa de juros ou requisitos exigidos para concessão de crédito, conferindo os benefícios da operação financeira.
Entretanto, para aceitar ou rejeitar a hipótese sugerida seria necessária a realização de uma pesquisa bi ou multivariada que envolvesse as possíveis variáveis determinantes na escolha da entidade financiadora.
A análise e interpretação dos dados são de crucial importância, visto que seu propósito é apontar uma sugestão de procedimento futuro de ação baseada nas conclusões.
Portanto, as conclusões devem articular resultados obtidos, problema e objetivos da pesquisa de tal forma que se possa formular a sugestão da ação de marketing.
A pesquisa de mercado ganha importância à medida que os mercados ficam cada vez mais saturados de competidores e as mudanças no comportamento dos consumidores se tornam mais intensas e frequentes, tornando o processo de decisão de marketing cada dia mais complexo [1].
Daí a necessidade imperiosa de formular movimentos estratégicos adequados, baseados em conclusões consistentes de pesquisas, visando obter vantagens competitivas.